웹사이트용 다국어 챗봇: 글로벌 고객 응대하기

글로벌 가격 실험을 운영하는 B2B SaaS 팀이 분석에서 이상한 점을 발견합니다. DACH 지역(독일, 오스트리아, 스위스)은 미국 외 가장 높은 랜딩 페이지 트래픽, 엔지니어 사이에서 두 번째로 높은 데모 가입률, 그리고 모든 주요 시장에서 가장 낮은 유료 전환율을 가지고 있습니다. 팀은 영어가 유창합니다. 제품은 영어입니다. 가격은 그 지역에 합리적입니다. 왜 격차가 있을까요?

빠른 고객 인터뷰 세트가 답을 드러냅니다. 이 시장의 바이어는 영어 문서를 읽는 데 완벽하게 편안합니다. 그것을 기반으로 구매 결정을 내리는 데는 편안하지 않습니다. 가격 페이지의 챗봇이 영어로, 심지어 훌륭한 영어로 응답하면, 작지만 지속적인 마찰을 유발합니다. "이 제품이 실제로 우리 시장을 위한 것인가?" 이탈은 그 망설임에서 일어나며, 특정 기능 격차에서가 아닙니다.

여러 소비자 리서치 보고서(CSA Research, Common Sense Advisory의 역사적 작업)는 소비자의 상당한 다수가 모국어로 구매하는 것을 선호하며, 의미 있는 비율이 영어 전용 사이트에서 전혀 구매하지 않을 것이라고 반복적으로 발견했습니다. 이는 글자 그대로의 번역 문제가 아닙니다. 페이지의 영어는 괜찮습니다. 그것은 신뢰 문제입니다. 사람들은 자신의 언어를 말하는 벤더와 이야기하기를 원합니다. 한국 시장에서도 마찬가지입니다. 무신사 글로벌이나 K-뷰티 브랜드를 일본/중국/동남아 시장으로 확장할 때, 현지어 응대는 단순한 편의가 아니라 매출에 직결됩니다.

다국어 챗봇은 단순히 번역하지 않습니다. 시장에서의 존재감을 알립니다. 방문자가 독일어로 입력하면 봇이 독일어로 답하고, 암묵적인 메시지는 "우리는 여기에 있고, 환영합니다"입니다. 이 신호는 전환 깔때기의 대부분의 명시적 기능보다 더 가치가 있습니다.

이 가이드는 다국어 챗봇이 실제로 무엇을 하는지, 어디서 빛나는지, 어디서 깨지는지, 그리고 브랜드를 부끄럽게 하지 않는 챗봇을 어떻게 배포하는지 안내합니다.

인터넷은 오랫동안 영어 전용이 아니었습니다. 대부분의 측정은 영어 콘텐츠가 글로벌 웹 사용량의 절반 미만을 차지하며 영어가 아닌 우선 지역에서 스마트폰 보급이 증가하면서 그 비중이 계속 떨어지고 있다고 시사합니다. 그러나 많은 비즈니스가 여전히 다국어 지원을 사후 고려사항으로 다룹니다.

2026년 모든 인터넷 대면 비즈니스가 다국어 지원을 고려해야 하는 실용적인 이유:

검색 엔진은 현지화된 콘텐츠를 보상합니다. Google과 다른 엔진은 명시적으로 언어와 로케일 신호를 순위에 반영합니다. 방문자의 언어로 된 챗봇 대화는 페이지가 의미 있게 현지화되었음을 상관시키며, 이는 검색 엔진이 보상하는 참여 지표에 영향을 줍니다.

국제 트래픽은 거의 동질적이지 않습니다. 30% 비-미국 트래픽을 받는 SaaS는 일반적으로 그 트래픽이 10-30개 국가에 퍼져 있습니다. 한 명의 스페인어 지원 상담원을 고용하는 것으로는 문제가 해결되지 않습니다. 중요한 언어를 커버하려면 10명의 상담원이 필요하고, 시간대 중복도 필요합니다.

다국어 사람 지원의 비용은 금지적입니다. 규모로도 5-10개 언어에 걸쳐 원어민 인력을 유지한다는 것은 중복 커버리지 시간이 있는 별도 팀을 유지한다는 의미입니다. 엔터프라이즈 규모 미만의 대부분 비즈니스에서 수학이 작동하지 않습니다. 단일 영어 지식 베이스로 학습된 챗봇은 한계 비용으로 수십 개 언어로 응답할 수 있습니다.

AI 번역 품질이 사용성 임계값을 넘었습니다. 이것이 핵심 활성화 변화입니다. 주요 LLM(OpenAI GPT-4.1, Anthropic Claude 4.5, Google Gemini 2.0)은 비영어 생성을 네이티브로 처리하며, 주요 언어의 경우 10년 전 어색한 Google Translate 출력보다 유창한 전문가에 비교 가능한 품질입니다. 한국어, 일본어, 중국어 같은 동아시아 언어도 이제 매우 잘 다뤄집니다.

실용적인 영향은 상당합니다. 다국어 챗봇을 배포한 비즈니스는 종종 비영어 방문자로부터 증가된 참여와 국제 트래픽에서 감소된 이탈률을 봅니다. 위에서 언급한 존재감 신호 효과가 그 일부입니다. 언어별 질문의 더 빠른 해결이 또 다른 부분입니다.

국제 방문자에게 서비스를 제공할 때 채팅 대화가 국경 간 데이터 전송을 포함할 수 있다는 점을 인지하세요. GDPR, PIPL, LGPD, CCPA, 그리고 한국의 개인정보보호법(PIPA) 같은 유사한 프레임워크에서 특정 보호 조치(데이터 처리 계약, 전송 영향 평가, 지역 데이터 거주성)가 필요할 수 있습니다. 새 지역에서 출시하기 전에 법무 및 컴플라이언스 팀과 조율하세요.

현대 다국어 챗봇은 방문자가 드롭다운에서 언어를 선택할 필요 없이 자동으로 언어를 처리하는 파이프라인을 사용합니다. 파이프라인에는 대부분의 입문 설명이 인정하는 것보다 더 많은 구성 요소가 있습니다.

1단계: 언어 감지. 방문자가 메시지를 입력하면 시스템은 처음 몇 단어 안에 언어를 식별합니다. 세 가지 접근 방식이 일반적입니다.

브라우저 로케일. 방문자의 브라우저는 Accept-Language HTTP 헤더를 통해 선호 언어를 광고합니다. 이는 유용한 힌트이지만 단독 신호로는 신뢰할 수 없습니다. 많은 사용자가 실제 선호 언어와 상관없이 영어로 설정된 디바이스에서 브라우징합니다.

가벼운 감지기 라이브러리. franc, cld3, 또는 langdetect 같은 도구는 입력 텍스트를 분석하고 신뢰도 점수와 함께 언어 코드를 반환합니다. 빠르고 로컬에서 실행되며 20-30자 이상의 입력에 정확합니다.

LLM 기반 감지. 현대 LLM은 생성의 일부로 언어를 본질적으로 감지합니다. 모델에게 "사용자와 같은 언어로 응답하세요"라고 요청하는 것이 종종 충분하며 주요 언어에 대해 거의 항상 올바른 결과를 생성합니다.

대부분의 프로덕션 챗봇에 실용적인 선택은 조합입니다. 브라우저 로케일을 힌트로 사용하고, 메시지에 가벼운 감지기를 실행하고, 두 가지가 일치하지 않으면 LLM이 결정하도록 폴백합니다.

2단계: 교차 언어 검색. 여기서 흥미로워집니다. 지식 베이스는 일반적으로 한 언어(보통 영어)에 있습니다. 챗봇은 방문자의 질문을, 예를 들어 포르투갈어로 이해하고, 관련 영어 문서를 검색해야 합니다.

의미적 임베딩은 언어 전반에 걸쳐 작동합니다. "como faço para cancelar?"의 의미는 "how do I cancel?"과 거의 같은 벡터 공간에 매핑됩니다. 현대 임베딩 모델(OpenAI text-embedding-3, Voyage 3, Cohere Embed v3)이 대규모 다국어 코퍼스로 학습되었기 때문입니다. 쿼리는 그대로 임베딩되고, 검색은 영어 문서 인덱스에 대해 실행되며, 관련 청크가 방문자가 사용한 언어와 상관없이 돌아옵니다.

이것이 RAG 기반 챗봇이 키워드 매칭 시스템보다 다국어 쿼리를 훨씬 더 잘 처리하는 이유입니다. 키워드는 번역되지 않습니다. 의미는 번역됩니다.

더 높은 정밀도를 위해 일부 구현은 임베딩 전에 쿼리를 지식 베이스 언어로 번역합니다. 이를 때때로 "translate-then-retrieve"라고 부르며 임베딩 모델이 더 약한 언어에 도움이 됩니다.

3단계: 응답 생성. AI는 검색된 영어 문서를 사용해 응답을 생성하지만 방문자의 언어로 출력합니다. 번역은 별도의 후처리 단계가 아니라 생성 단계에서 일어나며, 전통적인 기계 번역보다 더 자연스러운 출력을 생성합니다. 시스템 프롬프트는 일반적으로 다음과 같은 지시를 포함합니다. "사용자와 같은 언어로 응답하세요. 사용자 입력에 코드나 제품 이름이 포함되어 있으면 원문 그대로 보존하세요."

Chatloom 같은 플랫폼은 이 전체 파이프라인을 투명하게 처리합니다. 영어 문서를 업로드하면 봇은 방문자가 사용하는 어떤 언어로든 응답합니다. 한국어로 등록한 지식 베이스는 한국어 방문자뿐만 아니라 영어, 일본어, 중국어 방문자에게도 자동으로 응답할 수 있습니다.

AI 기반 번역은 극적으로 개선되었지만, 품질은 언어에 따라 의미 있게 달라집니다. 티어를 이해하면 현실적인 기대치를 설정할 수 있습니다.

티어 1 언어는 훌륭한 결과를 얻습니다. 한국어가 여기에 포함되어 매우 좋은 소식입니다. 주요 LLM은 이 언어들로 막대한 양의 콘텐츠로 학습되었으며, 응답은 일반적인 지원 대화에 유창하고 자연스럽고 정확합니다. 한국어의 경우 존댓말과 반말 구분, 한자어와 고유어 혼용 같은 미묘한 부분도 잘 처리됩니다. 높은 신뢰로 배포할 수 있습니다.

티어 2 언어는 직관적인 대화에 좋은 결과를 생성합니다. 기술 용어나 미묘한 언어가 가끔 약간 부자연스럽게 들릴 수 있지만, 의미는 명확하게 전달됩니다. 대부분의 팀이 첫 몇 주의 대화를 가벼운 검토와 함께 배포합니다.

티어 3 언어는 때때로 더 신중한 처리가 필요합니다. 이 언어로 주로 고객을 응대한다면 온보딩 동안 원어민이 샘플 대화를 검토하는 것이 가치가 있습니다. 출력 품질은 모든 모델 릴리스와 함께 개선되고 있지만 티어 1보다 눈에 띄게 뒤처집니다.

티어 4 언어는 AI 전용 배포에 프로덕션 준비가 되지 않을 수 있습니다. 비즈니스가 그러한 시장에 강한 집중도가 있다면 사람 검토 또는 하이브리드 AI-플러스-사람 워크플로를 계획하세요.

가장 큰 티어 간 함정은 도메인 전용 용어입니다. AI는 일반 언어를 잘 알지만 제품 브랜드 용어, 기능 이름, 또는 산업 전문 용어를 잘못 번역할 수 있습니다. 핵심 용어가 어떻게 처리되어야 하는지 지정하는 지식 베이스의 용어집으로 이를 해결하세요. ("Pro Plan과 Pulse Engine은 항상 영어로 보존하세요. 번역하지 마세요.")

일반적인 구현 질문: 영어로 된 하나의 지식 베이스를 유지하고 AI가 검색 시점에 번역하도록 할지, 아니면 언어별 별도 번역된 지식 베이스를 유지할지?

단일 영어 지식 베이스(교차 언어 검색).

장점: 진실의 원천 하나. 한 번 업데이트하면 모든 언어가 혜택. 버전 간 번역 드리프트 없음. 더 낮은 유지보수 오버헤드.

단점: 일부 티어 2/3 언어에 대해 교차 언어 임베딩 품질이 단일 언어보다 낮음. 도메인 전용 용어가 일관성 없이 번역될 수 있음. 일부 인용이나 명명된 엔터티 참조가 응답에서 부분적으로 영어로 끝날 수 있음.

언어별 번역된 지식 베이스.

장점: 언어당 가장 높은 검색 정밀도. 도메인 용어가 일관되게 유지됨. 특정 언어로 있어야 하는 컴플라이언스 및 법률 문서가 사전 처리됨.

단점: 곱해진 유지보수 비용. 언어 버전 간 번역 드리프트. 각 변경이 번역되어야 하기 때문에 느린 콘텐츠 업데이트. 더 높은 사전 번역 예산.

실용적인 하이브리드. 대부분의 프로덕션 배포는 하이브리드 접근 방식을 사용합니다. 진실의 원천으로 단일 영어(또는 한국어) 지식 베이스를 유지하고, 지역에 따라 진정으로 다른 콘텐츠(현지 통화 가격, 지역 컴플라이언스 공개, 로케일별 배송 정보)에 대한 작은 로케일별 오버라이드 세트를 추가합니다. 챗봇은 기본적으로 영어 베이스에서 검색하지만 지역별 쿼리에 대해 로케일 오버라이드 레이어를 먼저 확인합니다.

대부분의 SMB와 성장하는 회사에 단일 베이스 접근 방식이 올바른 기본값입니다. 멀티 베이스 유지보수의 오버헤드는 콘텐츠가 크게 지역별이거나 티어 1 검색 품질이 충분하지 않을 때만 보상받습니다.

기본 파이프라인 메커니즘에 대한 자세한 내용은 AI 챗봇을 데이터로 학습시키기에 대한 우리의 심층 분석을 참고하세요.

다국어 지원을 라이브하는 것은 대부분의 팀이 예상하는 것보다 단순하지만, 품질에 의미 있는 차이를 만드는 몇 가지 단계가 있습니다.

1. 지식 베이스를 먼저 영어(또는 모국어)로 준비합니다. 이것이 진실의 원천입니다. 다른 언어를 생각하기 전에 포괄적이고, 잘 조직되어 있고, 최신인지 확인하세요. AI의 다국어 응답은 기본 콘텐츠만큼만 좋습니다. 영어 문서에 격차가 있다면 그 격차가 모든 언어에 나타납니다.

2. 핵심 용어와 브랜드 어휘 용어집을 추가합니다. 제품이 번역되어서는 안 되는 특정 용어(브랜드 이름, 기능 이름, 기술 용어, 슬로건)를 사용한다면 명시적으로 문서화하세요. AI에게 어떤 용어를 영어로 유지하고 어떤 용어를 번역할지 알려주는 용어집 문서를 포함합니다. 예: "'Pulse Engine'과 'AutoFlow' 같은 제품 이름은 항상 영어로 보존하세요. '대시보드'와 '설정' 같은 일반 용어는 대상 언어의 표준 용법에 따라 번역하세요."

3. 언어 감지와 동작을 구성합니다. 다음을 결정하세요.

• 봇이 방문자의 브라우저 로케일을 따라야 하나요, 아니면 메시지에서 감지해야 하나요?
• 환영 메시지가 기본적으로 영어여야 하나요, 아니면 브라우저 설정에 현지화되어야 하나요?
• 방문자가 대화 중간에 언어를 바꾸면 어떻게 해야 하나요?
• 저자원 언어의 경우 봇이 사과와 함께 영어로 폴백해야 하나요, 아니면 응답을 시도하고 면책 조항을 두어야 하나요?

4. 상위 3-5개 언어에서 원어민과 함께 테스트합니다. 출시 전에 원어민이 각 언어로 15-20개의 현실적인 쿼리를 실행하도록 하세요. 그들은 자동화된 테스트가 표면화하지 않을 번역 묘책, 톤 불일치, 격식 문제, 용어 문제를 잡아낼 것입니다. 사내에 원어민이 없다면 언어당 $200-500을 할당하세요. Upwork나 Fiverr의 프리랜서 요율은 일반적으로 합리적입니다.

5. 폴백 동작을 구성합니다. 봇이 잘 처리하지 못하는 언어를 감지할 때 무슨 일이 일어나는지 결정하세요. 옵션:

• 정중한 사과와 함께 영어로 응답하고 사람 상담원에게 연결을 제공.
• 번역하지만 면책 조항을 둠("내 응답은 기계 번역되었습니다. 명확하지 않은 부분이 있으면 알려 주세요").
• 거부하고 방문자의 언어로 라벨링된 문의 양식으로 라우팅.

Chatloom의 신뢰도 점수가 여기서 도움이 됩니다. 특정 언어에 대한 검색 신뢰도가 낮으면 봇이 자동으로 에스컬레이션할 수 있습니다.

6. 언어별 분석을 모니터링합니다. 언어별로 분류된 해결률, 신뢰도 분포, 만족도 점수를 추적하세요. 한 언어가 일관되게 저성과를 낸다면, 번역된 소스 문서를 추가하거나, 그 언어의 시스템 프롬프트를 조정하거나, 정리하는 동안 그 언어의 봇 범위를 제한하라는 신호입니다.

7. 사내에서 현실적인 기대치를 설정합니다. 티어 1 언어는 훌륭하게 작동할 것입니다. 티어 2는 가끔 어색한 표현으로 90% 거기에 있을 것입니다. 티어 3은 지속적인 반복이 필요할 수 있습니다. 첫 어색한 번역이 프로젝트를 탈선시키지 않도록 출시 전에 이해관계자에게 이를 전달하세요.

언어는 어휘 이상입니다. 문화적 맥락은 사람들이 질문을 어떻게 표현하는지, 어떤 격식 수준을 기대하는지, 응답을 어떻게 해석하는지에 영향을 미칩니다. 단어를 맞추지만 어조를 잘못하는 것은 오번역만큼 나쁠 수 있습니다.

격식 수준은 크게 다릅니다. 한국어 비즈니스 커뮤니케이션은 거의 항상 정중한 존댓말(-습니다체)을 사용합니다. 가끔 친근한 -해요체도 적합합니다(B2C, 캐주얼 브랜드). 일본어는 여러 격식 수준이 있고 잘못된 것을 선택하면 무례하거나 뻣뻣하게 들릴 수 있습니다. 독일어 비즈니스 커뮤니케이션은 일반적으로 격식 있는 호칭(du보다 Sie)을 사용합니다. 라틴 아메리카 스페인어는 지원 맥락에서 유럽 스페인어보다 따뜻한 경향이 있습니다. 미국 영어는 캐주얼한 경향, 영국 영어는 약간 더 격식. 한국 고객에게 지나치게 캐주얼한 언어로 응답하는 챗봇은 무례하게 느껴질 수 있습니다. 시스템 프롬프트에 격식 기대치를 지정하면 시장 전반에 걸쳐 더 일관된 결과를 생성합니다.

날짜, 시간, 통화 형식이 중요합니다. 배송 시간을 묻는 고객은 현지 형식으로 답을 기대합니다. "3/7/2026"은 미국에서는 3월 7일을 의미하지만 대부분의 유럽과 한국에서는 7월 3일을 의미합니다. "$50"은 명확화 없이는 USD, CAD, AUD, 또는 여러 다른 것을 의미할 수 있습니다. 좋은 다국어 챗봇은 로케일이 주어지면 이러한 관습을 올바르게 처리하지만, 테스트 중에 확인하세요. 제품이 여러 통화로 판매되면 시스템 프롬프트를 방문자의 감지된 지역에 적합한 통화를 사용하도록 구성하세요. 한국 원화의 경우 "₩50,000" 또는 "5만 원" 형식이 자연스럽습니다.

지원 기대치도 문화에 따라 다릅니다. 일부 시장은 지원 상호작용에서 광범위한 도입부, 정중한 표현, 맥락적 안심("검토하는 동안 인내심을 가져 주셔서 감사합니다...")을 기대합니다. 다른 시장은 최소한의 의식과 함께 직접적이고 간결한 답변을 선호합니다. 북유럽과 동아시아 시장은 종종 서로 다르며 북미 규범과도 다릅니다. 한국 고객은 특히 정중함과 진정성을 중시합니다. 여러 시장을 지원한다면 시스템 프롬프트를 조정하거나 시장별 개성 구성을 만드는 것을 고려하세요.

명명된 엔터티의 현지화. 제품, 장소, 브랜드 이름이 중요합니다. "Black Friday"는 시장 전반에 걸쳐 일관성 없이 번역되는 미국 뿌리 개념입니다. 한국에서는 "블랙프라이데이"로 음역되지만 실제 시즌은 다를 수 있습니다(연말 시즌이 더 일반적). "고객 서비스"는 일부 언어에서 더 격식 있는 "고객 관계"로 가장 잘 매핑됩니다. 명명된 엔터티 용어집에 시간을 투자하세요. 대화 품질에서 보상받습니다.

오른쪽에서 왼쪽 언어. 아랍어, 히브리어, 페르시아어, 우르두어는 오른쪽에서 왼쪽으로 읽습니다. 챗봇 위젯 UI 자체가 RTL 레이아웃(거울 버튼, 텍스트 정렬)을 지원해야 합니다. 대부분의 현대 채팅 위젯이 이를 지원하지만, 아랍어 지원을 주장하기 전에 특정 플랫폼에서 확인하세요.

AI는 모든 문화적 뉘앙스를 자동으로 탐색하지 않지만, 대부분의 경우를 잘 처리합니다. 핵심은 번역만으로 충분하다고 가정하지 않고 대상 시장의 실제 사용자와 테스트하는 것입니다.

이를 잘한 회사 전반에 걸쳐 몇 가지 패턴이 반복됩니다.

미국에서 EMEA로 확장하는 SaaS. B2B SaaS가 영어, 독일어, 프랑스어, 스페인어, 이탈리아어를 다루는 다국어 챗봇을 출시합니다. 지식 베이스는 영어로 유지됩니다. 영업 대화는 방문자의 언어로 일어납니다. DACH와 남유럽의 사전 영업 전환이 첫 분기 내에 눈에 띄게 상승합니다. 승리는 번역 자체가 아닙니다. "우리가 시장에 있습니다"라는 신뢰 신호입니다.

크로스 보더 바이어를 응대하는 e-커머스. 캐나다의 Shopify 셀러가 미국, 멕시코, 프랑스, 일본의 고객에게 수공예품을 판매합니다. 챗봇이 각 방문자의 언어를 감지하고 제품 질문, 배송 쿼리, 관세 우려에 그들의 언어로 답합니다. 언어 장벽이 구매 순간에 사라지기 때문에 국제 장바구니 포기가 감소합니다. e-커머스 각도에 대한 자세한 내용은 Shopify용 챗봇 위젯을 참고하세요. 한국에서도 무신사 글로벌 셀러나 K-뷰티 브랜드가 일본/중국/동남아 시장으로 확장할 때 동일한 패턴을 적용할 수 있습니다.

글로벌 개발자 청중이 있는 문서 포털. 오픈소스 프로젝트가 docs 사이트에 다국어 챗봇을 배포합니다. 개발자가 모국어로 질문합니다. 봇이 영어 문서에서 검색하고 같은 언어로 답합니다. 비영어 사용자의 참여가 첫 6개월 동안 세 배가 됩니다. 봇은 비원어민 영어 사용자가 기술 콘텐츠와 참여하는 장벽을 낮춥니다.

호텔과 관광용 환대 컨시어지. 호텔 체인이 12개 언어로 예약, 편의시설, 지역 영역 질문에 답하는 다국어 챗봇을 배포합니다. 게스트는 프런트 데스크 인력이나 시간에 상관없이 그들의 언어로 즉시 도움을 받습니다. 이 패턴은 항공사, 관광청, 여행 마켓플레이스로 확장됩니다.

공통 주제: 각 사례에서 다국어 기능은 단순히 기능이 아닙니다. 대화 수준이 아니라 깔때기 수준에서 전환과 참여에 영향을 미치는 시장 존재감 선언입니다.

채팅 위젯 UI는 번역되지만 봇 응답은 번역되지 않음. 로케일과 상관없이 "Chat"이라고 말하는 채팅 버튼과, 방문자가 독일어로 입력하면 독일어로 답하는 봇이 짝을 이루는 것은 어색합니다. 런처, 환영 메시지, 자리 표시자 텍스트, 모든 UI 문자열을 응답 언어와 일치하도록 현지화하세요.

브랜드 이름이 기계 번역되어 버림. 용어집 없이 AI는 제품 이름을 현지 언어로 번역할 수 있습니다("Quick Helper"가 "Schneller Helfer"가 됨). 이는 브랜드 일관성을 깨뜨립니다. 브랜드와 제품 용어를 잠그는 용어집을 항상 포함하세요.

잘못된 언어의 쿠키 배너와 동의 흐름. 챗봇이 쿠키 동의나 데이터 처리 계약을 요청한다면, 그 법률 인터페이스는 방문자의 언어와 일치해야 합니다. 이는 UX 문제이자 GDPR 및 한국 PIPA 하의 컴플라이언스 문제입니다.

방문자의 언어가 위치와 같다고 가정. 런던에서 브라우징하는 프랑스어 사용자는 영국 영어가 아닌 프랑스어로 응답을 원할 수 있습니다. IP 지오로케이션뿐만 아니라 메시지에서 감지하세요.

코드 스위칭이 감지를 깨뜨림. 이중 언어 사용자는 때때로 단일 메시지 내에서 언어를 혼합합니다("Hi, how do I configure el dashboard?" 또는 "안녕하세요, dashboard 설정 어떻게 하나요?"). 대부분의 현대 감지기와 LLM은 우세한 언어로 기본 설정되어 우아하게 처리하지만, 청중이 이를 한다면 테스트하세요.

관용구와 유머 실패. AI는 의미를 잃는 관용구의 글자 그대로 번역을 생성합니다. 이를 테스트하세요. 발견되면 시스템 프롬프트를 조정해 관용구를 글자 그대로 번역하지 않도록 하세요. 한국어 관용구("손이 한결 가벼워지다", "일거양득", "시간을 절약하다")는 영어로 직역하면 어색해질 수 있습니다.

환영 메시지를 잊음. 방문자가 보는 첫 메시지가 이미 그들의 언어여야 합니다. 봇이 첫 사용자 메시지 후에만 전환한다면 방문자가 메시지를 보내기 전에 이탈할 수 있습니다.

응답 차례 간 일관성 없는 격식. 봇이 격식 있게 시작해 대화 중간에 캐주얼로 전환되면 일관성이 없게 느껴집니다. 시스템 프롬프트에 격식을 고정하세요. 한국어에서 존댓말로 시작했다가 갑자기 반말로 바뀌면 매우 어색해집니다.